高等数学 / 系统课时
选择统计方法
选择统计方法
统计方法不是按名称背出来的,而是从研究问题一步步筛选出来的。本课建立一条可重复使用的判断路径:先明确要回答什么,再结合变量类型、样本关系和模型条件,选出合适的比较、关联或预测方法。
学习目标
- 能把研究问题归类为估计、比较、关联或预测
- 能根据变量类型与样本关系缩小方法范围
- 能识别常见方法的关键前提和替代方案
先把研究问题说清楚
选择方法前,先把问题改写成“研究对象、结果变量、解释变量和目标”四部分。例如,“比较新旧方案是否不同”还不够,必须说明比较的是平均耗时、成功率,还是等级评分;结果变量不同,方法也会改变。
常见目标可以归为四类:估计一个总体参数、比较两个或多个群体、判断变量之间是否有关联,以及建立预测模型。统计方法服务于问题,而不是由软件菜单或数据文件中的列数决定。
用四个维度缩小范围
第一看结果变量是连续型、二分类、无序分类还是有序等级;第二看比较对象有几组;第三看样本彼此独立还是配对、重复测量;第四看独立性、分布形态、方差和线性等条件是否满足。

下表给出常见问题的第一候选方法。它不是机械规则,最终还要结合研究设计和假设检查。
| 研究目标 | 数据与样本关系 | 常用方法 |
|---|---|---|
| 估计一个总体均值 | 单个连续型样本 | 单样本 t 区间或 t 检验 |
| 比较两组均值 | 两组独立连续型样本 | Welch t 检验或独立样本 t 检验 |
| 比较前后变化 | 同一对象成对观测 | 配对 t 检验 |
| 比较三组及以上均值 | 多组独立连续型样本 | 单因素方差分析或 Welch 方差分析 |
| 比较分类比例 | 分类结果与分组变量 | 卡方检验或 Fisher 精确检验 |
| 衡量两个连续变量的关联 | 连续型成对观测 | Pearson 或 Spearman 相关 |
| 预测连续结果 | 连续型因变量与一个或多个自变量 | 线性回归 |
按实际问题完成选择
假设要判断一种训练是否降低同一批学员的完成时间。结果变量是连续型,训练前后来自同一人,因此观测是配对的,分析对象应是“每个人的前后差值”,首选配对 t 检验。若差值样本很小、分布明显偏斜且存在极端值,可考虑 Wilcoxon 符号秩检验。
如果改成比较两批不同学员,样本关系就变为独立,此时不能继续使用配对检验。方差相近时可用独立样本 t 检验;方差不齐或样本量差异较大时,通常优先使用 Welch t 检验。
选择时还要确认分析单位。例如一个人提交十次记录,这十条记录通常不等于十个独立样本。若忽略对象内相关性,标准误可能被低估,显著性结论也会失真。
避免三类常见误选
不要先运行许多检验,再保留最显著的结果;这会放大偶然发现。也不要仅凭“样本量大”就忽略研究设计,独立性不能靠增加样本自动补救。
非参数方法并不等于“完全没有假设”。它们仍可能要求独立性、对称性或相同分布形态。采用替代方法时,应说明它检验的对象是否仍与原研究问题一致。
最后,不要把相关当作预测,更不要把相关或回归系数直接解释为因果效应。因果结论主要依赖随机化、对照、时间顺序和混杂控制,而不是某个统计方法的名称。